SiaNet下載 - SiaNet原始碼下載

SiaNet

Ai源碼

1.0.0

下載

Trello 用於追蹤 SiaNet 開發活動。歡迎您觀看任何任務並追蹤進度。建議將被列入願望清單，然後計劃進行開發

https://trello.com/b/bLbgQLgy/sianet-development

AC#深度學習庫

開發 C# 包裝器以幫助開發人員輕鬆創建和訓練深度神經網路模型。

易於使用的圖書館，只需專注於研究
多個後端 - CNTK、TensorFlow、MxNet、PyTorch、ArrayFire
對某些後端的 CUDA/OpenCL 支持
輕量級函式庫，採用 .NET 標準 2.0 構建
程式碼結構良好，如果您想使用新層、損失、指標、優化器、約束、正則器進行擴展，則易於擴展

一個基本的例子

下面是泰坦尼克號資料集的分類範例。能夠在 10 個 epoch 內達到 75% 的準確率。

 //Setup Engine. If using TensorSharp then pass SiaNet.Backend.TensorSharp.SiaNetBackend.Instance. 
//Once other backend is ready you will be able to use CNTK, TensorFlow and MxNet as well.
Global . UseEngine ( SiaNet . Backend . ArrayFire . SiaNetBackend . Instance , DeviceType . CPU ) ;

var dataset = LoadTrain ( ) ; //Load train data
var test = LoadTest ( ) ; //Load test data

var ( train , val ) = dataset . Split ( 0.25 ) ;

//Build model
var model = new Sequential ( ) ;
model . EpochEnd += Model_EpochEnd ;
model . Add ( new Dense ( 128 , ActivationType . ReLU ) ) ;
model . Add ( new Dense ( 64 , ActivationType . ReLU ) ) ;
model . Add ( new Dense ( 1 , ActivationType . Sigmoid ) ) ;

//Compile with Optimizer, Loss and Metric
model . Compile ( OptimizerType . Adam , LossType . BinaryCrossEntropy , MetricType . BinaryAccurary ) ;

// Train for 100 epoch with batch size of 32
model . Train ( train , 100 , 32 , val ) ;

var predictions = model . Predict ( test ) ;
predictions . Print ( ) ;